Публикации по теме 'supervised-learning'
Самостоятельное обучение
Исследование себя ради развлечения и выгоды
Самоконтроль витает в воздухе (и разговоры ). Объяснение разницы между самостоятельным, неконтролируемым, слабо-, полу-, дистанционным и полностью контролируемым обучением (и, конечно же, RL) стало экспоненциально сложнее . :) Тем не менее, мы попробуем.
Проблема в контексте состоит в том, чтобы закодировать объект (слово, предложение, изображение, видео, аудио,…) в достаточно общее представление (капли чисел) который полезен..
Опорные векторные машины
ОПОРНЫЕ ВЕКТОРНЫЕ МАШИНЫ
импорт SupportVectorMachines как SVM **улыбается**
SVM — это алгоритмы, обычно используемые для моделей машинного обучения с учителем, и они чаще всего используются для задач классификации. Машина опорных векторов — это селективный классификатор, формально определяемый делением гиперплоскости. SVM работает, разделяя данные на разные классы с помощью гиперплоскости. Эта гиперплоскость поддерживается за счет использования опорных векторов. Опорные векторы..
Что такое контролируемое обучение?
Контролируемое машинное обучение — это область машинного обучения, в которой для обучения используются помеченные обучающие данные, точно так же, как люди учатся на примерах. В этом сообщении блога мы познакомим вас с некоторыми понятиями и терминологией, касающимися машинного обучения с учителем, и рассмотрим пример, иллюстрирующий обучение с учителем. Узнать больше — https://www.batoi.com/hub/dev21/what-supervised-learning-61b3290836cf4
Машинное обучение — Руководство для неспециалистов
Вы, наверное, слышали, что в наши дни часто встречается термин «машинное обучение», часто сопровождаемый такими словами, как «алгоритм», «данные» и «прогнозы». Но что такое машинное обучение и как оно работает? Не волнуйтесь, мы здесь, чтобы объяснить это простыми словами.
Что такое машинное обучение?
Машинное обучение — это технология, которая позволяет компьютерам учиться и принимать решения без явного программирования. Это все равно, что дать компьютеру возможность улучшать свою..
Зачем нам нужно уменьшение размерности?
Уменьшение размерности — это метод, используемый в машинном обучении для уменьшения количества функций или переменных в наборе данных без потери важной информации, содержащейся в данных. Но зачем нам уменьшение размерности? Во-первых, обработка и анализ больших наборов данных могут потребовать значительных вычислительных ресурсов, поэтому уменьшение размерности может помочь уменьшить вычислительную сложность. Вторая проблема — мультиколлинеарность. Иногда два или более признаков в данных..
Предотвращение переобучения с помощью методов регуляризации
Введение
Информация. Одним из методов преодоления переобучения является регуляризация. Регуляризация, как правило, штрафует коэффициенты, вызывающие переобучение модели. В регуляризации есть две нормы, которые можно использовать в соответствии со сценариями.
В этой статье мы узнаем о регуляризации, двух нормах регуляризации и методах регрессии, основанных на этих методах регуляризации.
Оглавление
Переобучение и регуляризация Регуляризация L1 или LASSO Регуляризация L2 или..
Алгоритмы машинного обучения для абсолютных новичков
Искусственный интеллект есть везде. Если вы не знакомы с его концепциями, вы можете подумать о чем-то из I-Robot или Альтрона из кинематографической вселенной Marvel (отказ от ответственности: мне нравится его сухой юмор). Однако в этой статье я собираюсь демистифицировать машинное обучение, ветвь ИИ, таким образом, чтобы это было легко усвоить и не заставило вас ломать голову. Машинное обучение имеет так много применений в реальной жизни, особенно в бизнесе, таких как рекомендации по..
